其他分享
首页 > 其他分享> > 数据分析与数据挖掘小技巧_RFM

数据分析与数据挖掘小技巧_RFM

作者:互联网

 

 

RFM最初是由美国数据库营销研究所提出,他们认为客户数据库中有三个神奇的要素,这三个神奇的要素可以构成数据分析最好的指标。他们分别R购买时间间隔、F消费频率, M消费金额。

 

R (Recency):最近一次消费的时间间隔。

理论上讲,上一次消费时间越近的顾客应该是比较好的顾客,当我们提供服务时,最有可能产生相应的反应。客户的消费时间越近,代表客户价值越大。

F (Frequency):消费频率。

消费频率是指,顾客在限定的期间内所购买的次数。当用户购买的次数越多,我们就可以称之为满意度最高的客户,其对品牌的忠诚度就相对较高

 

M(Monetary):消费金额。

M值越大,用户的消费金额越高,代表客户价值越高。消费金额可以说是所有数据库报告的支柱。

那么结合这三个指标,我们该如何使用呢?如果将三个维度,每个维度分为高低两种情况,我们可以构建出了一个三维的客户坐标体系,整体的用户可以分为2的三次方也就是8个群体。

 

 

在实际的场景中,RFM的应用场景非常丰富,普遍使用于电销,电商,信贷等领域。基于RFM的三个指标,不同的场景的定义是不同的,需结合相应的业务场景进行调整。并且在特征和分箱上是可以基于业务灵活变形使用。

标签:数据分析,消费,三个,场景,客户,数据挖掘,数据库,RFM
来源: https://blog.csdn.net/ranyeranye/article/details/121656976